La segmentación precisa de tumores cerebrales en resonancias magnéticas es crucial para el diagnóstico y la planificación del tratamiento. Los modelos de segmentación tradicionales, como U-Net, destacan en capturar información espacial pero a menudo tienen dificultades con los límites de tumores complejos y variaciones sutiles en el contraste de la imagen. Estas limitaciones pueden llevar a inconsistencias en la identificación de regiones críticas, afectando la precisión de los resultados clínicos.